Sex Differences in the Association of Tobacco Use with Sleep Patterns in Adults
Notice bibliographique
Résumé
ABSTRACT Objectives: We aimed to assess the relationships of sleep duration and trouble sleeping with tobacco use, as well as sex differences in these associations. Methods: Data from the 2005 to 2018 National Health and Nutrition Examination Survey were used. Multinomial logistic regression was used to investigate the relationship between tobacco use and sleep duration, while logistic regression models examined the association between tobacco use and sleep difficulties, with stratification by sex for significant interactions. Results: This study included 33,923 participants, with 8666 (26.41%) reporting trouble sleeping. Individuals who reported smoking cigarettes had increased odds of having shorter [adjusted odds ratio (aOR)=1.63; CI=1.47, 1.80; P<0.001] or longer (aOR=1.53; CI=1.21, 1.93; P<0.001) than average sleep durations, as well as higher odds of experiencing trouble sleeping (aOR=1.41; CI=1.26, 1.58; P<0.001) compared with nontobacco users. In addition, participants who reported smoking other forms of tobacco had increased odds of having shorter-than-average sleep durations (aOR=1.26; CI=1.04, 1.53; P=0.018). There were no significant associations between the use of other tobacco products and trouble sleeping. Female cigarette users had greater odds of having trouble sleeping (aOR=1.58; CI=1.38, 1.81; P<0.001) than males. Conclusion: Cigarette smoking is significantly associated with both long and short sleep durations and trouble sleeping. Future studies should seek to replicate these findings and evaluate the mechanisms underlying this phenomenon. Objectifs: Nous avons cherché à évaluer la durée du sommeil et les troubles du sommeil en relation avec le tabagisme, ainsi que les différences entre les sexes dans ces associations. Méthodes: Nous avons utilisé les données de l’enquête nationale sur la santé et la nutrition en provenance de 2005-2018. La régression logistique multinomiale a été utilisée pour étudier la relation entre le tabagisme et la durée du sommeil, tandis que les modèles de régression logistique ont examiné l’association entre le tabagisme et les troubles du sommeil, avec une stratification par sexe pour les interactions significatives. Résultats: Cette étude a inclus 33 923 participants, dont 8 666 (26,41%) ont signalé des troubles du sommeil. Les personnes ayant déclaré fumer des cigarettes avaient plus de chances d’avoir des durées de sommeil plus courtes (aOR=1,63 ; CI=1,47, 1,80 ; P<0.001)) ou plus longues (aOR=1,53 ; CI=1,21, 1,93 ; P<0,001) que la moyenne, ainsi que plus de chances d’avoir des troubles du sommeil (aOR=1,41 ; CI=1,26, 1,58 ; P<0,001) par rapport aux non-consommateurs de tabac. En outre, les participants ayant déclaré fumer d’autres formes de tabac étaient plus susceptibles d’avoir des durées de sommeil plus courtes que la moyenne (aOR=1,26 ; CI=1,04, 1,53 ; P=0,018). Il n’y avait pas d’association significative entre la consommation d’autres produits du tabac et les troubles du sommeil. Les femmes consommant des cigarettes étaient plus susceptibles d’avoir des troubles du sommeil (aOR=1,58 ; CI=1,38, 1,81 ; P<0,001) que les hommes. Conclusion: Le tabagisme est associé de manière significative à des durées de sommeil longues et courtes et à des troubles du sommeil. Les études futures devraient chercher à reproduire ces résultats et à évaluer les mécanismes sous-jacents à ce phénomène.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».